智谱清言Kimi K3据称与Anthropic Opus 4.8性能相当,由300人团队开发,再次引发对出口管制下西方计算优势的质疑。
# Moonshot AI 推出的 Kimi K3 重新激发出口管制辩论
Moonshot AI 已发布 Kimi K3，根据早期评估，该模型与 Anthropic 的 Opus 4.8 相当，但仍低于 Anthropic 的 Fable 5 和 OpenAI 的 GPT-5.6 Sol 等前沿领导者。这次发布重新引发了关于美国出口管制是否真正有效的辩论。甚至一位 OpenAI 策略人士也注意到了这一点。
就在一周前，研究公司 SemiAnalysis 曾辩称中国实验室"计算能力太弱，无法真正达到前沿水平"——这个说法被 DeepMind 员工 Anika Somaia 指出。几天后，拥有约 300 名员工的初创公司 Moonshot AI 证明了事实并非如此。与顶级前沿模型的实际差距仍然不清楚。
Somaia 辩称，整个西方共识——从出口管制到超大规模计算公司的数千亿美元投资竞争，再到"计算护城河"论题——都基于一个假设：计算能力决定性能。但稀缺性推动了创新。Moonshot AI 正是因为 GPU 容量不足，才构建了自己的内部 Mooncake 堆栈用于 AI 训练。"一个有品味的小实验室可以压缩创建前沿模型所需的计算量，即使它负担不起运行一个前沿模型的成本，"Somaia 指出。
硬件分析公司 SemiAnalysis 创始人 Dylan Patel 同意这一观点。"他们用一个天才汇聚的小团队、在强化学习、架构和数据方面的深入研究，弥补了大量的计算赤字，"他写道。然而，Patel 也指出，中国公司可以轻松在中国外租赁 GPU，这破坏了出口限制的大部分理由。
西方 AI 实验室长期指责中国公司进行蒸馏——一种较小模型从较大模型的输出中学习并本质上免费利用它们的数据盗窃形式。直到现在，这一解释一直是中国实验室在计算资源低劣的情况下保持竞争力的标准说法。对于 Kimi K3，这一解释似乎还不够。"这些结果似乎不可能仅通过蒸馏来解释，"MIT 和 Google DeepMind 的 AI 研究员 Michiel Bakker 写道，他称该模型"异常出色"。
与此同时，根据彭博社报道，谷歌自己的旗舰模型 Gemini 3.5 Pro 已被推迟数月，原因是它未能达到性能目标，特别是在代码方面。这些延迟引发了对谷歌 AI 战略的新批评，该公司在 AI 搜索方面也面临监管阻力，特别是在德国。
OpenAI 战略未来主管、前政府顾问 Dean W. Ball 称 Kimi 是一个"非常好的模型"，在基于代理的代码会话中与"来自 2026 年第一季度的最佳公开模型"相匹配。不过，他确实指出，它似乎"非常消耗 token"，使得"对我来说不清楚这个模型实际上是否真的那么便宜"。
成本数据支持了这一观察。根据 Artificial Analysis，Kimi K3 的平均成本为每项任务 0.94 美元——接近 GPT 5.6 Sol 的 1.04 美元，但约为 Opus 4.8 的 1.80 美元的一半。虽然仍然比顶级西方模型便宜，但与之前的版本相比差距已经缩小，远远超过了早期的开源中国模型。
Ball 对中国政府允许发布如此强大的模型作为开源代码感到惊讶。他将这种现象的 75% 归因于战略盲目，称中共在评估 AI 风险的方式上"非常 Yann LeCun 式"，不认为存在存在性威胁。其余部分源于客户端推理的计算容量不足，使得开源战略成为美国出口管制的意外后果。Ball 声称，中国公司也认识到很少有人会为低于前沿水平的中国模型付费。
Ball 辩称，开源模型本质上是"去加速主义者"，因为它们减缓了进一步的 AI 投资。由它们主导的世界的一个潜在结果是"完全 AI 共产主义"，AI 作为公共物品由国家作为数字基础设施提供——这正是中国提议的。Ball 称这种情景为"反乌托邦地狱景象"。
OpenAI 策略人士如此尖锐地批评开源模型显然带有自身利益：他的公司依赖于封闭的商业模式，并面临来自 Moonshot AI 和 Deepseek 等提供商的日益增长的价格压力。
Ball 预测特朗普政府将围绕中国开源模型制造监管风险。他将完全禁止描述为"对 AI 政策讨论的更愚蠢的主题之一"，而当局将部署"软法"以产生足够的不确定性，例如让美联储发出关于中国模型中潜在后门的警告。潜在理由不必有充分根据。
目标是达到中间地带：足够的风险来阻止受监管公司使用中国模型，而不会吓唬超大规模计算公司迁移到不那么正规的提供商。Ball 预计政府将追求这一战略的某种版本。
Kimi 的进展不一定意味着需要更少的计算能力。但如果确实如此，美国科技公司的大规模基础设施建设将显得浪费，可能会引发股市崩盘。相反的结果更有可能。杰文斯悖论表明，更高效的模型导致更多的 AI 部署，这实际上可能推动对计算能力的更高需求。
根据 SemiAnalysis，Kimi K3 拥有 2.8 万亿参数，规模之大以至于即使使用 FP4 量化也无法安装在单个 Nvidia DGX B200 上。它需要更强大的系统，如 GB300 NVL72 或 B300，每个 GPU 都配有 288 GB 的内存。
与 Deepseek 的相似之处是明显的。怀疑论者当时预测了计算过剩，并短暂地震动了市场。相反，随着推理模型获得关注，计算能力的需求攀升——具有讽刺意味的是，部分是由 Deepseek 自己的模型驱动的。正如 Google DeepMind 首席执行官 Demis Hassabis 所说，"世界上没有人知道接下来会发生什么。"